INSTITUTO TECNOLÓGICO DE TUXTLA

GUTIÉRREZ EDUCACIÓN A DISTANCIA

INGENIERÍA INDUSTRIAL.

Materia:
Control Estadístico De La Calidad

Alumna:
Maritza de Jesús Hernández Coutiño 15271116C

Docente:
Ing. Regina Paola Cantoral Díaz

Unidad:
3
Trabajo:
Gráficos por atributos (investigación)

Fecha de entrega:
30 de noviembre del 2016

Sede:
La concordia
Qué es una gráfica de control de atributos?

Minitab ofrece varias gráficas de control de atributos que grafican no conformidades

(defectos) o unidades no conformes (defectuosas). Una no conformidad se refiere a una
característica de calidad y las unidades no conformes al producto general. Una unidad puede
tener muchas no conformidades, pero la unidad misma puede ser conforme o no conforme.
Por ejemplo, un rasguño sobre un panel de metal es una no conformidad. Si existen varios
rasguños, se puede considerar que todo el panel es no conforme.

Las gráficas de control se utilizan para monitorear regularmente un proceso para determinar
si está bajo control. Cuando no es posible medir la calidad de un producto o servicio con
datos continuos, suelen recolectarse datos de atributos para evaluar su calidad.

El Asistente de Minitab incluye dos gráficas de control ampliamente utilizadas para

monitorear un proceso con datos de atributos:

 Gráfica P: esta gráfica se utiliza cuando un producto o servicio se caracteriza por ser
defectuoso o no defectuoso. La gráfica P representa la proporción de elementos defectuosos
por subgrupo. Los datos recolectados son el número de elementos defectuosos en cada
subgrupo, y se supone que siguen una distribución binomial con parámetro de proporción
desconocido (p).

Gráfico “p” para porcentajes defectuosos

La fracción no conforme de un colectivo se define como el cociente entre el número de
unidades defectuosas y el número total de unidades en dicho colectivo. Cada unidad de
producto puede ser examinada por el inspector respecto de una o varias características
cualitativas. Si la unidad inspeccionada no es conforme respecto a la especificación en una o
más características, se clasifica como no conforme. Habitualmente, la fracción no conforme
se expresa en forma decimal aunque puede también indicarse en tanto por ciento.
La distribución binomial es la base estadística del gráfico de control por atributos.
Supondremos que el proceso está operando de forma estable y que la posibilidad de que una
unidad de producto sea defectuosa es constante y de valor p. También, supondremos que las
unidades producidas sucesivamente son independientes. Entonces, si tomamos una muestra
de n unidades, y llamamos x al número de unidades no conformes, la probabilidad de que x
tome los valores 0, 1, 2.... N vendrá determinada por la distribución binomial con parámetros
n, p:

La fracción muestral no conforme se define como el cociente entre el número de unidades no

conformes en la muestra x y el tamaño de la misma p = x/n.
El valor medio y la varianza de p serán respectivamente:

Como consecuencia de la relación p = x/n

El gráfico p tiene tres parámetros a especificar: Tamaño y frecuencia del demuestre y

distancia entre límites de control.
Es frecuente calcular el gráfico de control a partir de la inspección realizada a lo largo de un
periodo de tiempo determinado. Un día, un turno, etc. En este caso, la frecuencia y el tamaño
de la muestra están relacionados. Generalmente, se selecciona inicialmente la frecuencia del
demuestre apropiada para la producción a inspeccionar y de ahí resulta el tamaño de la
muestra,
Los subgrupos racionales pueden jugar también un papel importante en determinar la
frecuencia del demuestre. Por ejemplo, si hay tres turnos y sospechamos que entre turnos
puede variar el nivel de calidad utilizaremos cada turno como un subgrupo sin mezclarlos
para obtener una fracción diaria no conforme. Si p es pequeño n deberá ser suficientemente
grande para encontrar, al menos una unidad defectuosa en la muestra.
Se ha sugerido que el tamaño de muestra debe ser lo bastante grande para tener una
probabilidad de aprox. 50% de detectar un cambio de una determinada magnitud. Por
ejemplo, supongamos que p = 0,01 y que queremos que la probabilidad de detectar un cambio
a p = 0,05 sea del 50%. Suponiendo que aproximamos la distribución binomial respecto de
la normal, escogeremos de tal forma que el límite de Control Superior coincide con la
fracción no conforme en la situación de fuera de control. Si 6 es la magnitud del cambio del
proceso, entonces n debe satisfacer.

 Gráfica U: esta gráfica se utiliza cuando un producto o servicio puede tener múltiples
defectos y se cuenta el número de defectos. La gráfica U muestra el número de defectuosos
por unidad. Los datos recolectados son el número total de defectos en cada subgrupo, y se
supone que siguen una distribución de Poisson con un número medio desconocido de
defectos por subgrupo. Los límites de control de una gráfica de control normalmente se
establecen en la fase de control de un proyecto Six Sigma. Una gráfica de control adecuada
debe ser lo suficientemente sensible como para señalar rápidamente cuando existe una causa
especial. Esa sensibilidad puede evaluarse calculando el número promedio de subgrupos
necesarios para señalar una causa especial. Además, una gráfica de control adecuada
raramente debería señalar una “falsa alarma” cuando el proceso está bajo control. La tasa de
falsas alarmas puede evaluarse calculando el GRÁFICAS DE CONTROL DE ATRIBUTOS
2 porcentaje de subgrupos que se considera “fuera de control” cuando el proceso está bajo
control.

Para ayudar a evaluar qué tan bien están funcionando las gráficas de control, la Tarjeta de
informe del Asistente realiza automáticamente las siguientes verificaciones de los datos:

Estabilidad
Número de subgrupos
Tamaño del subgrupo
Variación esperada